本发明涉及无人机路径规划的，特别是涉及一种基于改进型技能优化算法的无人机路径规划方法。
背景技术：
1、无人机具有机动性强、可控性强和灵活性强的优点，被广泛应用于军事、物流、农业、搜救、环境监测等领域的广泛应用等工作场景中。无人机航迹规划是指在给定的环境和任务要求下，为无人机设计从起点到终点的最优飞行航线，并且同时满足避免障碍、优化路径长度和飞行时间、保证飞行安全的一系列技术和方法。
2、现有的无人机航迹规划方法大体可分为三类：基于搜索的算法、基于采样的算法和基于智能优化的算法，其中基于搜索的算法包括dijkstra算法、快速扩展随机数算法和人工试场法等，该类型算法效率较高，可以找到全局最优航迹，但无法较好地处理无人机路径规划过程中的多约束问题。智能优化算法虽然具有参数简单、计算灵活和搜索速度快的优点，但是存在容易陷入局部最优的问题。
3、技能优化算法是智能优化算法的一种，该算法模拟了人类获取和改进技能的努力过程，但是仍然存在会陷入局部最优和收敛过早的问题，无法使得到的飞行机路径达到理想的效果。
技术实现思路
1、本发明的目的在于提供一种基于改进型技能优化算法的无人机路径规划方法，能够解决现有技术中采用技能优化算法规划无人机飞行路径的过程中，由于陷入局部最优而导致所获取的飞行路径不理想的问题。
2、用于解决现有技术中对用电量预测准确性差的问题，以达到提高电力系统管理运行的可靠性的目的。
3、具体地，本发明提供了一种基于改进型技能优化算法的无人机路径规划方法，所述方法包括：
4、根据无人机的工作环境构建飞行环境模型，并在所述飞行环境模型中设置起始点、目标点和禁飞区；
5、根据所述无人机的飞行成本和飞行安全，构建所述无人机的飞行代价函数；
6、对候选解种群进行初始化，其中所述候选解种群中有多个候选解，每个所述候选解包括多个航迹点的位置信息；
7、采用改进型技能优化算法对所述候选解种群进行设定次数的迭代更新，以得到优化候选解种群，其中所述迭代更新至少包括：在探索阶段，根据所述迭代更新的次数生成自适应权重因子，并根据所述自适应权重因子对所述候选解种群进行更新；
8、采用所述飞行代价函数从所述优化候选解种群中获取目标候选解，并根据所述起始点、目的点和所述目标候选解，构建所述无人机的航迹路径。
9、进一步地，所述的根据所述迭代更新的次数生成自适应权重因子，包括：
10、设所述迭代更新的次数为t，所述设定次数为t，第t次迭代更新中的自适应权重因子wt，则：
11、
12、进一步地，所述采的用改进型技能优化算法对所述候选解种群进行设定次数的迭代更新，还包括：
13、在开发阶段，根据所述迭代更新的次数生成扰动因子，并根据所述扰动因子对所述候选解种群进行更新。
14、进一步地，所述的根据所述迭代更新的次数生成扰动因子，包括：
15、设所述迭代更新的次数为t，所述设定次数为t，第t次迭代更新过程中的扰动因子为qt，则：
16、
17、其中，所述a和g均为常数。
18、进一步地，所述的采用改进型技能优化算法对所述候选解种群进行设定次数的迭代更新，还包括：
19、在开发阶段，获取所述候选解种群的避免陷阱因子，并根据所述避免陷阱因子对所述候选解种群进行更新。
20、进一步地，所述的获取所述候选解种群的避免陷阱因子，包括：
21、获取第t次迭代更新的第一随机数u1,t和第二随机数u2,t，并设第t次迭代更新中，第i个候选解中第m个航迹点的避免陷阱因子为
22、在所述第一随机数u1,t小于第一设定阈值的情况下，所述：
23、
24、在所述第一随机数u1,t大于或等于所述第一设定阈值的情况下：
25、
26、其中，θ1,t为第t次迭代更新过程中取值范围为大于-1且小于1的随机数，θ2,t为第t次迭代更新过程中大于-0.5且小于0.5的随机数，rt为第t次迭代更新过程中取值范围为大于等于0且小于等于1的随机数，ki,m,t为第t次迭代更新前第i个候选解中第m个航迹点的位置信息，ei,m,t表示第t次迭代更新中第i个候选解中第m个航迹点的专家集，为第t次迭代更新的下一次迭代更新时第i个候选解中第m个航迹点的位置信息。
27、进一步地，所述根据所述无人机的飞行成本和飞行安全，构建所述无人机的飞行代价函数，包括：
28、根据所述人机的飞行长度，构建所述无人机的航迹长度代价函数；
29、根据所述无人机的飞行高度，构建所述无人机的高度代价函数；
30、根据所述无人机的转弯角度，构建所述无人机的转角代价函数；
31、根据所述航迹长度代价函数、高度代价函数和转角代价函数，构建所述飞行代价函数。
32、进一步地，所述的根据所述航迹长度代价函数、高度代价函数和转角代价函数，构建所述飞行代价函数，包括：
33、分别获取所述航迹长度代价函数、高度代价函数和转角代价函数的权重值；
34、采用各所述权重值对所述航迹长度代价函数、高度代价函数和转角代价函数进行修正；
35、根据修正后的所述航迹长度代价函数、高度代价函数和转角代价函数，得到所述飞行代价函数。
36、进一步地，所述的根据无人机的工作环境构建飞行环境模型，包括：
37、采用函数模拟法模拟所述工作环境的地貌特征，根据所述工作环境的实际地形在添加障碍物模型，以构建所述飞行环境模型。
38、进一步地，所述采用改进型技能优化算法对所述候选解种群进行设定次数的迭代更新，包括：
39、在所述探索阶段对所述候选解进行更新后，和/或在开发阶段对所述候选解进行更新后，还包括：
40、在对所述候选解进行更新后，采用所述飞行代价函数，计算所述候选解更新前的飞行代价和更新后的飞行代价；
41、若所述候选解更新后的飞行代价大于更新前的飞行代价，则保留更新前的所述候选解；
42、若所述候选解更新前的飞行代价大于更新后的飞行代价，则保留更新后的所述候选解。
43、本发明的无人机路径规划方法，采用改进型技能优化算法对候选解种群进行设定次数的迭代优化，以得到最优候选解种群，并根据无人机的飞行代价函数从最优候选解种群中选择出目标候选解；然后根据所选择出的目标候选解、起始点和目标点构建无人机的航迹路径，以减少无人机飞行的成本、提高无人机飞行的安全性。并且本发明的技术方案中，在探索阶段将自适应权重因子引入探索阶段改进型技能优化算法，可以有效避免该算法陷入局部最优的问题，提高对候选解集群进行迭代优化的工作效率。
44、根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
1.一种基于改进型技能优化算法的无人机路径规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的无人机路径规划方法，其特征在于，
3.根据权利要求1所述的无人机路径规划方法，其特征在于，
4.根据权利要求3所述的无人机路径规划方法，其特征在于，
5.根据权利要求1所述的无人机路径规划方法，其特征在于，
6.根据权利要求5所述的无人机路径规划方法，其特征在于，
7.根据权利要求1所述的无人机路径规划方法，其特征在于，
8.根据权利要求7所述的无人机路径规划方法，其特征在于，
9.根据权利要求1所述的无人机路径规划方法，其特征在于，
10.根据权利要求1所述的无人机路径规划方法，其特征在于，
